TL;DR: Orca es una aplicación de escritorio de Stably para ejecutar una flota de agentes de codificación en paralelo, cada uno en su propio worktree de Git aislado. Usa tus suscripciones existentes, añade divisiones de terminal, anotación de diffs, worktrees SSH, modo Diseño de Chromium, navegación por GitHub y Linear, y una aplicación móvil complementaria. Tiene 58.464 estrellas al 1 de septiembre de 2026, licencia MIT y versiones para macOS, Windows y Linux. Elimina tu papel como cuello de botella de rendimiento, pero no decide cuál de cinco diffs es correcto ni deja un registro compartido que el equipo pueda consultar.
Esta es una inmersión práctica en Orca, una de las cinco herramientas de agentes de IA de código abierto que vale la pena instalar en 2026.
La idea central: un worktree por agente
Un worktree de Git permite mantener varios directorios de trabajo de un repositorio en ramas diferentes al mismo tiempo. Orca convierte ese patrón en su primitiva principal: cada agente obtiene su propio worktree y puede modificar el mismo repositorio sin sobrescribir el trabajo de los demás.
El patrón más potente es el fan-out:
Envía la misma indicación a cinco agentes, cada uno en su worktree aislado; compara los resultados y fusiona el ganador.
Para una tarea perfectamente especificada, esto es innecesario. Para una migración difícil o una decisión arquitectónica incierta, resulta muy útil. Tres agentes con modelos distintos no suelen fallar de la misma forma, y elegir entre varios enfoques puede ser mejor que iterar repetidamente sobre el primero.
Sin Orca, hacerlo manualmente implica cinco pestañas de terminal, cinco comandos git worktree add y un mapa mental para recordar qué pestaña corresponde a cada agente.
Qué ejecuta Orca
Orca ejecuta cualquier herramienta disponible en un terminal. Su lista incluye Claude Code, Codex, Cursor CLI, GitHub Copilot CLI, OpenCode, Grok, Amp, Antigravity, Pi, oh-my-pi, Hermes Agent, Devin, Goose, Auggie, Charm, Cline, Codebuff, Command Code, Continue, Droid, Kilocode, Kimi, Kiro, Mistral Vibe, Qwen Code, Rovo Dev y MiMo Code, además de una opción genérica para otros agentes de CLI.
La aplicación utiliza tus propias suscripciones y claves de API. No revende tokens ni actúa como proxy de tus solicitudes. Puedes ejecutar, por ejemplo, Claude Code con Opus 5 y Codex contra modelos abiertos usando las cuentas que ya tienes.
Esto hace que comparar modelos sea sencillo: repartir una indicación entre Claude Code, Codex y OpenCode consume tres llamadas de tus suscripciones, sin crear una relación nueva con otro proveedor.
Cómo instalar Orca
# macOS
brew install --cask stablyai/orca/orca
# Arch Linux
yay -S stably-orca-bin
También puedes descargar directamente las versiones para macOS Apple Silicon e Intel, el instalador de Windows y el AppImage de Linux desde la página de lanzamientos. Para un servidor Linux sin interfaz gráfica existe orca serve, junto con una guía específica en el repositorio.
La aplicación móvil se empareja con la aplicación de escritorio. Está disponible en la App Store de iOS, y el APK de Android se publica en los lanzamientos.
Funciones que importan después de la primera semana
Los worktrees paralelos son la función más visible. Estas son las capacidades que cambian el uso diario.
Cambio de cuenta y seguimiento de uso
Consulta el consumo de Claude y Codex, revisa cuándo se reinician los límites de tasa y cambia de cuenta sin cerrar sesión. Al ejecutar cinco agentes en paralelo, esta información ayuda a planificar el trabajo en lugar de descubrir el límite a mitad de una tarea.
Anotación de diferencias con IA
Puedes comentar cualquier línea de un diff y enviar el comentario de vuelta al agente. Así revisas, editas y haces commit sin abandonar la aplicación.
Este modelo es más preciso que volver a escribir toda la indicación en un chat. Una observación como «el backoff del auxiliar de reintento debería ser exponencial» necesita permanecer anclada a una línea concreta.
Worktrees SSH
Ejecuta agentes en una máquina remota con más CPU y memoria, manteniendo acceso a archivos, Git y terminales. Orca ofrece reconexión automática y reenvío de puertos, algo especialmente útil cuando un portátil no puede ejecutar cinco compilaciones en paralelo.
Modo Diseño
Haz clic en cualquier elemento de una ventana real de Chromium. Orca envía al agente el HTML, el CSS y una captura recortada del elemento.
Esto elimina una de las partes más difíciles del trabajo frontend asistido por agentes: describir con palabras qué elemento está roto y cómo debería verse.
Divisiones de terminal
Incluye terminales con renderizado WebGL, divisiones ilimitadas e historial de desplazamiento persistente entre reinicios. Este último detalle es especialmente importante cuando trabajas con varios agentes y necesitas recuperar una salida anterior.
GitHub y Linear integrados
Explora pull requests, issues y tableros desde la aplicación, y abre un worktree directamente desde una tarea.
CLI de Orca
Los agentes pueden controlar Orca mediante comandos como:
orca worktree create
orca snapshot
orca click
orca fill
Esto permite automatizar flujos de trabajo que, de otro modo, dependerían de hacer clic manualmente.
Orca también permite arrastrar archivos e imágenes a las indicaciones, incluye un editor basado en VS Code con autoguardado, cambio rápido entre worktrees y agentes, previsualizaciones de Markdown y PDF, y uso de la computadora para flujos que necesitan interacción real con la interfaz.
El estado de notificaciones y elementos no leídos indica cuándo un agente termina o se queda bloqueado. Los mantenedores publican actualizaciones con frecuencia y recomiendan consultar el registro de cambios como la lista real de funciones.
Cuándo usar fan-out y cuándo desperdicia tokens
El paralelismo no es gratuito. El fallo típico es gastar cinco veces los tokens para obtener cinco versiones casi idénticas. Una regla práctica es:
Dispersa cuando existe ambigüedad; ejecuta un solo agente cuando la especificación sea clara.
Usa varios agentes cuando haya enfoques defendibles y diferentes:
- Refactorizaciones de gestión de estado.
- Migraciones de datos complicadas.
- Problemas de rendimiento cuyo cuello de botella aún no está identificado.
- Integraciones con bibliotecas desconocidas.
Usa un solo agente cuando el trabajo esté completamente especificado:
- Añadir un campo a un endpoint.
- Conectar un manejador siguiendo cuatro ejemplos existentes.
- Escribir pruebas para una función cuyo comportamiento ya está documentado.
En esos casos, cinco agentes producirán diffs casi idénticos y pagarás cinco veces por el mismo resultado.
Dispersa entre modelos, no solo entre ejecuciones
Tres instancias de Claude Code con la misma indicación suelen producir resultados similares. Claude Code, Codex y OpenCode pueden divergir más porque sus diferencias proceden de los datos de entrenamiento y de sus estrategias, no solo del muestreo.
La comparación entre modelos en un solo clic es una de las funciones menos visibles de Orca. Por eso el selector de cuentas y el seguimiento de uso son tan importantes como los worktrees.
Define criterios de aceptación antes de dispersar
Si no puedes describir cómo se ve una respuesta correcta antes de iniciar los agentes, terminarás eligiendo por estética. Escribe primero tres criterios de aceptación verificables. Esto convierte la revisión en una comprobación objetiva y proporciona a los agentes una guía más precisa.
La economía es sencilla: el fan-out cambia tokens por una búsqueda más amplia del espacio de soluciones. Es un buen intercambio cuando existen muchas soluciones posibles y uno malo cuando solo hay una respuesta razonable.
El problema que crea Orca
Ejecutas cinco agentes y obtienes cinco diffs. ¿Qué haces después?
Orca resuelve el aislamiento y la ejecución, pero no el arbitraje. Tu capacidad para distinguir lo correcto de lo plausible no aumenta al mismo ritmo que la cantidad de código generado. Leer cinco diffs con atención puede llevar más tiempo que escribir el código, así que es fácil hojearlos, elegir el que parece más limpio y fusionarlo.
El aspecto limpio no demuestra que el código sea correcto. Esto es especialmente peligroso cuando el cambio toca una API: cada agente puede inventar su propia interpretación de la respuesta del endpoint, implementar esa suposición y escribir pruebas que solo validan su propia versión.
Necesitas un árbitro externo al agente y a tu intuición:
- Usa la especificación OpenAPI como fuente compartida de verdad. Cada agente lee los mismos esquemas, códigos de estado y formatos de error. Consulta cómo usar una especificación OpenAPI como herramientas de agente.
- Genera mocks desde la especificación. Incluye las ramas de error para que un agente que solo implementó el camino feliz falle de inmediato.
- Usa pruebas de contrato para elegir el ganador. Ejecuta el mismo conjunto de pruebas en los cinco worktrees. La decisión de fusión se basa en evidencia.
- Haz visibles los cambios de contrato. Cuando cambie la API ascendente, las pruebas deben fallar en lugar de permitir una desviación silenciosa. Consulta qué ocurre cuando los cambios de API rompen los agentes de IA.
Aquí encaja Apidog: Orca produce candidatos de forma económica; una especificación y pruebas deterministas permiten elegir entre ellos sin multiplicar la carga de revisión. Puedes descargar Apidog y conectar la especificación antes de activar el fan-out.
La verificación se vuelve más importante a medida que los agentes escriben más código. Para profundizar, consulta ¿todavía necesitas una herramienta API en la era de los agentes de IA? y confiabilidad de los agentes de IA en producción.
El scrollback no es un registro
La segunda brecha no es tanto un defecto de Orca como una consecuencia de su diseño.
Orca es una excelente cabina para un operador individual. Todo vive en tu máquina: worktrees, sesiones de terminal, diffs y el historial que sobrevive a los reinicios. Esto funciona muy bien hasta que otra persona necesita entender qué ocurrió.
Imagina que ejecutas cinco agentes el jueves. El lunes, alguien del equipo pregunta por qué cambió la lógica de reintento del cliente de pagos. La respuesta está en un panel de terminal de tu portátil, siempre que ese worktree siga abierto. La indicación original y el razonamiento ya no están; el único artefacto permanente puede ser un mensaje de commit generado por un modelo.
Los prompts no son un registro. Una cabina no es una organización.
Sharkly aborda esta parte del problema. Ambas herramientas aíslan el trabajo por unidad y permiten aportar tu propia ejecución y tus propias suscripciones. La diferencia es la unidad de trabajo:
- En Orca, la unidad es un worktree que estás observando.
- En Sharkly, la unidad es una tarea que sobrevive a la sesión.
Qué aporta un sistema de tareas
- La tarea es el registro compartido. El progreso, las llamadas a herramientas y los resultados se transmiten a la tarea. La salida del agente aparece como comentarios que puedes responder.
- El agente es una configuración reutilizable. Guarda instrucciones, runtime, habilidades, repositorios y entorno para no reconstruirlos cada mañana.
- Un Crew combina agentes y personas. Un agente líder lee el contexto, decide a quién incorporar y sintetiza los resultados en un solo lugar: fan-out más síntesis.
- La ejecución corre donde tú decidas. Conecta un portátil, servidor o contenedor y utiliza el Runtime instalado allí.
- Cada tarea usa un worktree separado. Es el mismo aislamiento de Orca, aplicado a nivel de tarea.
- El backlog no ejecuta trabajo. Una tarea pendiente no consume tokens, así que puede prepararse y revisarse antes de iniciarla.
- La estructura es familiar para un equipo. Espacios, proyectos, sprints y tareas, con sincronización con Jira cuando sea necesario.
Si trabajas solo, Orca probablemente sea suficiente. Cuando una segunda persona necesita visibilidad sobre lo que hicieron los agentes, necesitas un registro de tareas persistente; ningún historial de terminal puede sustituirlo.
Una configuración que funciona
- Instala Orca y usa un agente durante una semana. Familiarízate con el terminal, el editor y la anotación de diffs antes de añadir paralelismo.
- Conecta primero la especificación y las pruebas de contrato. El fan-out sin árbitro aumenta el trabajo de revisión.
- Dispersa solo en problemas difíciles. Usa tres agentes para una refactorización ambigua y uno para un ticket claro.
- Reduce el costo de tokens por agente. Cinco agentes recorriendo el mismo repositorio multiplican el desperdicio; combínalos con codebase-memory-mcp.
- Usa anotaciones en lugar de reescribir prompts. Los comentarios anclados a líneas concretas conservan mejor el contexto.
- Mueve los agentes a worktrees SSH cuando el portátil se quede corto. Esto suele ocurrir con el tercer o cuarto agente en una compilación real.
- Añade una capa de tareas cuando participe otra persona. En solitario puedes omitirla; en equipo, el registro es imprescindible.
Preguntas frecuentes
¿Orca reemplaza mi IDE?
Principalmente reemplaza el entorno necesario para el trabajo impulsado por agentes. Incluye un editor basado en VS Code con autoguardado, explorador de archivos, terminales y revisión de diferencias. Para depuraciones profundas, muchas personas seguirán usando un IDE completo.
¿Necesito una suscripción separada para cada agente paralelo?
No. Orca utiliza las cuentas que ya tienes y muestra los límites y tiempos de reinicio de Claude y Codex. Al ejecutar varios agentes alcanzarás los límites de tasa del plan, pero eso depende del proveedor, no de Orca.
¿Es seguro ejecutar cinco agentes en el mismo repositorio?
Sí, porque cada agente recibe su propio worktree de Git y no puede sobrescribir los archivos de los demás. Sin embargo, los recursos externos al repositorio siguen siendo responsabilidad tuya: bases de datos, servidores de desarrollo y puertos.
Apunta cada agente a entornos separados para evitar fallos que parezcan errores del agente.
¿Cómo elijo entre los diffs?
Ejecuta el mismo conjunto de pruebas contra todos y deja que los resultados decidan. Si las pruebas no distinguen entre candidatos, mejora las pruebas antes de aumentar el fan-out. También ayuda registrar qué llamó realmente cada agente; consulta el rastreo de llamadas a herramientas del agente de IA.
¿Orca o una herramienta de gestión como Sharkly?
Son capas diferentes y pueden complementarse. Orca sirve para dirigir agentes en el momento; un sistema de tareas conserva, asigna y revisa el trabajo después. Si trabajas solo, quizá solo necesites Orca.
¿Orca tiene licencia MIT?
Sí. Stably es una empresa comercial, pero la aplicación de escritorio es de código abierto bajo licencia MIT.
Conclusión
Orca ofrece una solución sólida al problema del rendimiento de los agentes. Los worktrees paralelos, el terminal real, la anotación de diffs, la ejecución remota y la aplicación móvil forman una herramienta práctica. Además, usar tus propias suscripciones en lugar de revender tokens es un modelo adecuado para este flujo.
Orca te proporciona más respuestas candidatas por hora. Eso solo es progreso si también puedes decidir entre ellas y recordar qué ocurrió:
- La decisión necesita un contrato y pruebas: Apidog.
- La memoria necesita una tarea que sobreviva a la sesión: Sharkly.
Cinco agentes sin árbitro no producen cinco veces más. Producen cinco veces más cola de revisión.
Top comments (0)